軌道上ロボットサービスにおけるリアルタイム軌道生成は、宇宙機本体の運動、マニピュレータダイナミクス、可視コーン、軌道レベルの安全制約の間の非線形結合により困難である。回転目標への宇宙マニピュレータの終端接近問題に対して、新しい論文が逐次凸計画法（SCP）を加速するための学習ベースのウォームスタート手法を探求している。
この研究では、問題をシステム重心の並進計画段階と、結合された姿勢・マニピュレータトルク配分段階の2つに分解する。計算ボトルネックとなる後段に対して、因果Transformerを用いてウォームスタート初期値を生成する。設計選択の影響を評価するため、線形行動デコーダとフローマッチング行動デコーダを比較し、異なる行動チャンキングサイズと訓練データセットサイズでテストした。
300の保留シナリオで実験を行い、コスト最適SCPと実行可能性投影SCPの両モードでウォームスタートの効果を評価した。結果として、学習ウォームスタートは第2段階のSCP反復回数を最大28%削減し、実行時間を23%短縮しながら、最終的な制御コスト分布を維持することが示された。これは加速が解の質を犠牲にしていないことを意味する。
さらに注目すべきは、学習ウォームスタートを非凸実行可能性投影に用いた場合、コスト最適SCPと比較して実行時間がほぼ半減し、ヒューリスティック初期化で発生する壊滅的な高コストテール挙動を回避できる点である。これは系列モデルによるウォームスタートが計算効率だけでなく軌道のロバスト性も向上させることを示している。
本論文はYuji Takubo氏ら4名による8ページ、図4点の論文で、2026年6月15日に提出され、ロボティクス（cs.RO）分野に属し、人工知能（cs.AI）と最適化制御（math.OC）にも関連する。研究結果は、系列モデルベースのウォームスタートが宇宙マニピュレーションの最適化終端誘導において計算効率と軌道ロバスト性の両方を改善する可能性を示している。